کشف یک تراکنش متقلبانه چند دقیقه پس از انجام آن، شاید برای شناسایی منشأ حادثه مفید باشد؛ اما دیگر نمیتواند جلوی انتقال پول و ایجاد خسارت را بگیرد. نرگس فتوحی، مدیر امور مشتریان داتین، معتقد است تغییر سرعت و پیچیدگی تقلب، بانکها را ناگزیر کرده است از بررسی آفلاین به سمت تشخیص و مداخله بلادرنگ حرکت کنند.
فتوحی در گفتوگو با رضا قربانی، بنیانگذار راه پرداخت، توضیح میدهد که بسیاری از سناریوهای تقلب در چند ثانیه یا چند دقیقه تکمیل میشوند. در چنین شرایطی، فاصله میان زمان انجام تراکنش و زمان تشخیص آن، مرز میان پیشگیری از زیان و مدیریت خسارت پس از وقوع است.
اگر سامانه بتواند ریسک را پیش از نهاییشدن تراکنش تشخیص دهد، بانک هنوز امکان مداخله دارد. تراکنش میتواند تأیید شود، برای بررسی بیشتر متوقف بماند یا در صورت بالابودن احتمال تقلب رد شود. اگر این تصمیم به بعد از انجام تراکنش موکول شود، بانک وارد فرایند پیگیری، بررسی و جبران خسارت خواهد شد.
سامانه کشف تقلب داتین، براساس عدد اعلامشده در این گفتوگو، میتواند تراکنش را در کمتر از ۱۵۰ میلیثانیه بررسی کند. اهمیت این سرعت فقط در کاهش زمان پردازش نیست؛ مزیت اصلی، ایجاد فرصت تصمیمگیری عملیاتی پیش از نهاییشدن تراکنش است.
هوش مصنوعی در این ساختار چه نقشی دارد؟ فتوحی میگوید استفاده عملیاتی از هوش مصنوعی در کشف تقلب موضوع تازهای نیست و سالهاست در این حوزه به کار گرفته میشود. بااینحال، داتین آن را جایگزین کامل قواعد و قضاوت انسانی نمیداند.
مدل مؤثر از نگاه او، مدلی ترکیبی است. قواعد ازپیشتعریفشده همچنان برای شناسایی سناریوهای شناختهشده به کار میروند و هوش مصنوعی نیز رفتار مشتری را تحلیل میکند، ناهنجاریها را تشخیص میدهد و به کشف الگوهایی کمک میکند که پیشتر تعریف نشدهاند.
این ویژگی زمانی اهمیت بیشتری پیدا میکند که روشهای تقلب دائماً تغییر میکنند. سامانهای که فقط به فهرستی از قواعد ثابت متکی باشد، ممکن است الگوهای تازه را تا زمان شناسایی و تعریف دستی آنها نبیند. یادگیری ماشین میتواند انحراف از رفتار عادی را زودتر آشکار کند و سرعت واکنش تیمهای انسانی را افزایش دهد.
فتوحی در عین حال بر باقیماندن انسان در چرخه تصمیمگیری تأکید میکند. کشف تقلب حوزهای پیچیده و حساس است و تصمیم خودکار ممکن است به رد تراکنش سالم یا ایجاد اختلال در تجربه مشتری منجر شود. به همین دلیل، خروجی هوش مصنوعی باید در کنار قواعد، سطح ریسک و بررسی کارشناسان انسانی قرار گیرد.
نگاه داتین به این حوزه نیز به عرضه یک محصول مستقل محدود نیست. فتوحی میگوید معماری فنی سامانه بهگونهای طراحی شده که امکان اتصال آن به پلتفرمهای مدیریت ریسک، زیرساختهای داده و شبکههای مالی و بانکی دیگر وجود داشته باشد.
این آمادگی فنی میتواند در آینده امکان استفاده شبکهای از سامانه یا اتصال آن به یک زیرساخت گستردهتر مدیریت ریسک را فراهم کند. بااینحال، عملیشدن چنین مدلی فقط به تصمیم داتین وابسته نیست و به همکاری بانکها، سایر بازیگران و تصمیمهای رگولاتور نیاز دارد.
تقلب معمولاً به اطلاعات یک بانک یا یک کانال محدود نمیماند. اشتراک کنترلشده داده و سیگنالهای ریسک میان بانکها میتواند امکان شناسایی الگوهایی را فراهم کند که در دادههای یک مؤسسه بهتنهایی قابل مشاهده نیستند. در مقابل، چنین ساختاری بدون تعیین قواعد محرمانگی، مالکیت داده، سطح دسترسی و مسئولیت بازیگران، ریسکهای تازهای ایجاد خواهد کرد.
فتوحی آینده کشف تقلب را در انتخاب میان تحلیل بلادرنگ، هوش مصنوعی، اشتراک داده یا پلتفرم ملی ریسک نمیبیند. از نگاه او، هرکدام از این اجزا بخشی از مسئله را حل میکنند: تحلیل داده نشان میدهد چه اتفاقی در حال وقوع است، هوش مصنوعی به ارزیابی ریسک کمک میکند و زیرساخت شبکهای میتواند تصویر کاملتری از رفتارهای مشکوک بسازد.
این گفتوگو نشان میدهد آینده کشف تقلب فقط در افزایش دقت یک الگوریتم خلاصه نمیشود. بانکها به معماریای نیاز دارند که داده را در لحظه تحلیل کند، تصمیم عملیاتی بگیرد، انسان را در چرخه نگه دارد و در صورت فراهمشدن الزامات، با دیگر اجزای شبکه مالی ارتباط برقرار کند.
در چنین مدلی، معیار موفقیت فقط تعداد تقلبهای شناساییشده نیست؛ سرعت مداخله، کاهش خسارت، نرخ تشخیص اشتباه و میزان اختلالی که برای تراکنشهای سالم ایجاد میشود نیز اهمیت دارد.
